散佈圖(Scatter Plot、Scatter Diagram)亦稱為散布圖、相關圖等。目前在SAS繪製散佈圖有兩個較為簡單方法，一為使用PROC CORR，相關語法可見SAS官網的說明，用PROC CORR的方法相當簡單，而且同時會把人數、相關係數、檢定的P值呈現於圖中，但如要修改圖形或增加其他說明限制就很大了。
另一方法為本篇將分享的PROC SGPLOT，但限制為不會自動在圖形上呈現人數、相關係數和檢定的P值，此限制可透過巨集的幫忙而增加至圖形中，以PROC SGPLOT所繪統計圖，在之後需的編修彈性就高很多。
最後我們會把整組程式以改編為巨集程式，方便未來使用。
散佈圖(scatter plot)+橢圓圖(prediction ellipse)+迴歸線(regression line)：
『用ODS GRAPHICS和PROC LIFETEST繪製存活曲線圖 (Survival Curve)』從2010年以來已經有超過9千次的瀏覽量，雖然用ODS繪製Kaplan-Meier Survival Plot(後簡稱KM PLOT)非常方便，但缺點是如果需要修改圖中的樣式必須使用Graph Template Language(GTL)語法修改版模，不過GTL語法似乎真的有點難啊～～
還好SAS很佛心的提供一系列的Macro和Macro Variable可以方便使用者修改「部分」的圖形元素。但是這一系列的寫法有些複雜和不直覺，而且只能修改「Survival plot」而不支援「Failure plot」，如果你剛好需就讓我們一起學習看看吧！
先秀出經過修改後的KM PLOT。
盒鬚圖(Box Plot)亦稱為盒型圖。在SAS裡面盒鬚圖的說明可到SAS官網說明文件查看，簡單說盒子底部為Q1（第25百分位數），盒子內部中線為中位數，盒子上端為Q3（第75百分位數），盒子中間的符號通常為平均值。天線一般來說是1.5倍四分位距（intra-quartile range, IQR）中最小或最大值，而在天線外面的點一般為極端值（outlier）。
盒鬚圖如下：
 |
 |
長條圖(Bar Chart)亦可以稱為柱狀圖、條圖、條狀圖、棒形圖等，應該是非常使用的圖形，與折線圖(Line Chart)一起繪製於同一張圖上，稱為Bar-Line Chart。
這次要分享的為Bar-Line Chart，統計圖結果如下：
身旁許多朋友都認為SAS所繪製統計圖不美麗，語法也不好寫，許多年前新增的「ODS GRAPHICS」系列我想就是改善這些狀況，經過這幾年的強化，其功能和精美程度以非吳下阿蒙。
最近幫朋友做了一份資料（可惜無法把結果與大家分享），這份報告中使用了數個統計圖呈現結果，雖然不能將結果分享出來，但統計圖的語法倒是可以和大家切磋，希望能讓使用SAS的朋友從中獲得一些想法。
ODS GRAPHICS在網路上很容易找到說明，所以這次不會花太多時間說明每一個語法的功能，倒是大家可以實際操作一遍，會比較有感覺。
這次分享的是「熱圖(Heatmap)」，圖形結果如下：
太久沒寫有的沒有的SAS程式了，這次來寫寫關於Kaplan-Meier Estimate、Log-Rank Test及KM Plot的心得吧。
這篇主要的目的為兩個，如何使用PROC LIFETEST進行存活資料的的分析（跳過統計理論的部分）， 另一個為使用SAS 9.2新的ODS GRAPHICS，快速產生勘用的存活機率圖，並將圖檔自動放入RTF(Rich Text Format)檔中。
data Age_data;
input disease age bw@@;
datalines;
0 50 65 0 39 61 0 21 70 0 61 67
0 30 55 0 35 63 0 25 52 0 41 66
0 43 52 0 36 54 0 37 46 0 25 61
0 41 53 0 62 55 0 28 70 0 33 68
1 52 45 1 49 61 1 47 42 1 62 31
1 55 67 1 70 61 1 75 55 1 77 52
1 81 68 1 64 53 1 62 41 1 39 57
1 61 51 1 61 55 1 57 49 1 79 67
;
run; ods graphics on;
proc logistic data=age_data plots(only)=(roc) rocoptions(id=prob) ;
model disease (event='1')=age;
run;
ods graphics off;
ods graphics on：為宣告要繪製ods graphics的圖，而ods graphics off宣告結束，幾乎ods系列的語法都是類似的語法。
plots(only)=(roc)：在proc logistic程序中，新增了幾個選項，plots為宣告要繪製統計圖，括號中的only為要求SAS只要畫出所需的圖就好，而在後面的【 (roc) 】和SAS說我們需要的圖為ROC曲線。
rocoptions(id=prob)：表示在圖形上的點要放哪些資訊，目前有兩種可以選擇，【prob】為predicted probability ，而【obs】為observation number。
這幾個簡單的指令便可畫出高品質的ROC曲線。 而且還順便秀出AUC（Area Under Curve）的值。
ods graphics on;
proc logistic data=age_data plots(only)=(roc) rocoptions( id=prob) ;
model disease (event='1')=age bw;
run;
ods graphics off; 此模型的ROC曲線為下圖：
不過也許大家比較想看到的是，單圖age或bw的圖，或是一張圖裡面同時有age和bw「個別」的ROC曲線，而不是模型的結果。
ods graphics on;
proc logistic data=age_data plots(only)=(roc) rocoptions( id=prob) ;
model disease (event='1')=age bw;
roc '年齡' age;
roc '體重' bw;
run;
ods graphics off; roc：個別宣告要繪製哪些變項的圖形，這裡我想個別看age及bw的ROC曲線。有單引號包住的文字，為宣告此圖形中變項的名稱，分別為「年齡」及「體重」。不過如果只使用這個語法的話，SAS同時還會多給一張model的圖，和age+bw+model的圖。
 |  |  |
上面這張圖，雖然多了一個model的曲線，但這不一定是每次都想見到的，我的經驗，大多臨床工作者，都不太瞭解model這條曲線的意義，即使解釋了很久都還是不會用，因此單純的age和bw的比較也許就很足夠了。這個時候將程式修改成下面的寫法即可。
ods graphics on;
proc logistic data=age_data plots(only)=(roc) rocoptions( id=prob) ;
model disease (event='1')=age bw/nofit;
roc '年齡' age;
roc '體重' bw;
run;
ods graphics off; 其實就只是多了一【nofit】，這會讓SAS不要做整個model估計，只分別對age和bw做兩個logisitc regression，此時Log視窗也會提醒，「NOTE: The NOFIT option is specified. No parameters are estimated and all other MODEL statement options (except FIRTH ,LINK= ,NOINT ,OFFSET= ,ROC ,and TECHNIQUE=) are ignored.」。結果如下圖：
最後就是比較age和bw的AUC有無統計上的差異了。
ods graphics on;
proc logistic data=age_data plots(only)=(roc) rocoptions( id=prob ) ;
model disease (event='1')=age bw/nofit;
roc '年齡' age;
roc '體重' bw;
roccontrast reference('體重')/ estimate e;
run;
ods graphics off; roccontrast：比較ROC曲線。結果如下：
SAS 9.2此項新功能，我自己覺得使用上比MACRO直覺許多！
data Age_data;
input disease age bw@@;
datalines;
0 50 65 0 39 61 0 21 70 0 61 67
0 30 55 0 35 63 0 25 72 0 41 66
0 43 52 0 36 54 0 37 76 0 25 61
0 41 53 0 62 55 0 28 70 0 33 68
1 52 45 1 49 61 1 47 42 1 62 31
1 55 67 1 70 61 1 75 55 1 77 52
1 81 58 1 64 53 1 62 41 1 39 57
1 61 51 1 61 55 1 57 49 1 79 47
;
run;
%include "c:\temp\ROC\rocplot.sas";
/*
%include “程式所放的位置”;
*/
透過%include這個巨集指令，可將rocplot.sas呼叫至SAS程式中。proc logistic data=age_data;
model disease (event='1')=age / outroc=roc1 roceps=0;
output out=outp p=phat;
run;
這個程式中，我們將disease變項中的「1」視為事件(罹患疾病)，並將繪製ROC曲線所需的資料輸出為「roc1」，和每個原值(年齡)的預測機率資料輸出為「outp」並將預測機率的變項命名為「phat」。基本上，使用時只需要改動依變項(disease)和自變項(age)這兩個部分即可。%rocplot (outroc = roc1, out = outp, p = phat, id = age);
這個巨集中，outroc= 資料檔，配合proc logistic的outroc輸出。
%include "c:\temp\ROC\roc.sas";
proc logistic data=age_data;
model disease(event='1')=age / outroc=roc1_age roceps=0;
output out=outp_age p=phat_age;
run;
為了區別age和bw這兩個結果，這裡我們將age的output輸出的檔案命名為「outp_age」而預測機率命名為「phat_age」。proc logistic data=age_data;
model disease(event='1')=bw / outroc=roc1_bw roceps=0;
output out=outp_bw p=phat_bw;
run;
%roc (data = outp_age outp_bw,
var = phat_age phat_bw,
response = disease);
在data=資料檔，這後面主要放前面步驟透過output所輸出的檔案，因此目前所放的為「outp_age」和「outp_bw」兩個檔案。